[发明专利]一种基于S-HOG特征的光学遥感图像船识别方法

权利要求书

1.一种基于S-HOG特征的光学遥感图像船识别方法，其特征在于，包括：

步骤1，对目标切片数据进行平滑滤波；

步骤2，对平滑滤波后的图像进行分割，得到二值图；

步骤3，目标切片转正：

对分割得到二值图进行“4”连通区域标记，获得标记区域的面积，二值图中面积最大的连通区域，称为最大连通区域；

将最大连通区域按一个方向依次旋转，每次旋转1度，共旋转180次，计算每次旋转后最大连通区域的最小外接矩形面积，180个最小外接矩形面积的最小值所对应的旋转角度为θ，将目标切片数据原图按该方向旋转θ角度，实现目标切片的转正；

步骤4，计算梯度方向：

在切片转正的基础上，分别计算目标在X方向和Y方向的梯度值，并计算每个像素点的梯度方向角；

步骤5，S-HOG特征提取及归一化：

步骤5.1，以船心为中心，将切片所在的圆周面平均分成8个角度区间，0°方向与船身方向垂直，8个角度区间分别为：[337.5°～22.5°)，[22.5°～67.5°)，[67.5°～112.5°)，[112.5°～157.5°)，[157.5°～202.5°)，[202.5°～247.5°)，[247.5°～292.5°)和[292.5°～337.5°)；

步骤5.2，将船分为三部分，包括船身上半部分B1，船身下半部分B2和船身整体B3，依据各个像素点的梯度方向角，分别统计B1、B2和B3中属于各角度区间的像素点个数，完成B1、B2和B3的S-HOG特征提取；

步骤5.3，采用L2范数分别对B1、B2和B3在8个区间的像素点个数进行归一化，得到B1、B2和B3对应的归一化向量，将这三个归一化向量进行堆叠，得到堆叠后的S-HOG特征向量；

步骤6，船目标识别：

采用SVM算法对步骤5得到的堆叠后的S-HOG特征向量进行识别，完成船目标的分类识别。

2.如权利要求1所述的一种基于S-HOG特征的光学遥感图像船识别方法，其特征在于，所述步骤1具体为：

对目标切片进行滑窗内的平滑滤波，以切片数据的左上角为滑窗起点，L×L的正方形滑窗在光学遥感目标切片数据中进行水平和竖直方向的步进，滑窗步进量为1；对于一个L×L的正方形滑窗，对应的平滑滤波公式如下：

I_f(i)代表L×L的正方形滑窗内像素i滤波后的灰度值强度，I(i)代表L×L的正方形滑窗像素i的原始灰度值，λ是平衡滤波光滑性的因子，其中ω_i,j为L×L的正方形滑窗内数据之间的相似性权重；

L×L的正方形滑窗内数据之间的相似性权重ω_i,j表达式为:

I(i)代表L×L的正方形滑窗像素i的原始灰度值，I(j)代表L×L的正方形滑窗像素j的原始灰度值；P(i)代表L×L的正方形滑窗像素i的位置，P(j)代表L×L的正方形滑窗像素j的位置；γ_c代表滤波后的灰度值强度控制因子，γ_p代表正方形滑窗像素i与正方形滑窗像素j的空间距离控制因子；Z_i为归一化因子，确保∑_i,j∈Ωω_ij＝1，其中Ω代表L×L的数据空间。

3.如权利要求1所述的一种基于S-HOG特征的光学遥感图像船识别方法，其特征在于，所述步骤2采用Otsu分割算法对平滑滤波后的图像进行分割。

4.如权利要求1所述的一种基于S-HOG特征的光学遥感图像船识别方法，其特征在于，所述步骤3的旋转公式如下：

其中，x,y为像素坐标，每次旋转1度，cosθ＝cos1°＝0.9998，sinθ＝sin1°＝0.0175，每旋转一次，获得旋转后目标区域的行最小值x_min、行最大值x_max、列最小值y_min、列最大值y_max，存储在XYBorad，得到该角度下的最小外接矩形的面积，考虑到对称的原因，共旋转180度，180个角度下最小外接矩形的面积的最小值即为最终外接矩形的面积，最终外接矩形的面积所对应的旋转角度为θ。